Effects of Once-Weekly Semaglutide on Kidney Disease Outcomes by KDIGO Risk Category in the SUSTAIN 6 Trial
Notice bibliographique
Résumé
IntroductionGlucagon-like peptide-1 receptor agonists (GLP-1RAs) are recommended by Kidney Disease: Improving Global Outcomes (KDIGO) as risk-based treatment for hyperglycemia, weight management, and cardiovascular (CV) risk reduction in people with type 2 diabetes (T2D) and chronic kidney disease (CKD). The aim of this post hoc analysis was to assess treatment effects of once weekly semaglutide on kidney disease outcomes by KDIGO risk category and on changes in KDIGO risk category, compared with placebo.MethodsParticipants with T2D and established CV disease or at high CV risk treated with once weekly semaglutide or placebo in SUSTAIN 6 (NCT01720446) were stratified by baseline KDIGO risk category (low [n = 1596], moderate [n = 831], high [n = 445], very high [n = 366]). Treatment effect was analyzed for a kidney disease composite end point (macroalbuminuria, serum creatinine doubling and estimated glomerular filtration rate [eGFR] < 45 ml/min per 1.73 m2, kidney replacement therapy, or death due to kidney disease) from baseline to 2 years.ResultsThe treatment effect of semaglutide versus placebo was consistent across KDIGO categories for the kidney disease composite end point (hazard ratio [95% confidence interval (CI)]: 0.35 [0.07–1.72], 0.42 [0.25–0.72], 0.87 [0.45–1.71], and 0.72 [0.42–1.23] for low, moderate, high, and very high risk categories, respectively; P interaction = 0.28). Participants receiving semaglutide were more likely to move to a lower KDIGO risk category (odds ratio: 1.69; 95% CI: [1.32–2.16]) and less likely to move to a higher KDIGO risk category versus placebo (odds ratio: 0.71; 95% CI: [0.59–0.86]).ConclusionOnce weekly semaglutide versus placebo reduced risks of kidney disease end points and improved risk categories irrespective of baseline KDIGO risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».